基于仿真的多指机器人抓取贝叶斯推断
机器人学
2021-09-30 v1 机器学习
摘要
多指机器人抓取是实现通用拾取与灵巧操作不可或缺的基石。然而，由于其丰富的非光滑接触动力学或传感器噪声，多指夹爪的控制仍然具有挑战性。在这项工作中，我们旨在通过对机器人及其环境进行完整的随机正向仿真来执行贝叶斯后验推断，从而规划手部位形，进而稳健地考虑系统中的许多不确定性。以往的方法要么依赖于似然函数的简化替代模型，要么试图直接学习预测最大似然估计，我们带来了一种新颖的基于仿真的全贝叶斯推断方法，该方法基于似然与证据比率的深度神经网络替代模型。通过直接对由此产生的后验的摊销且可微表达式进行优化来找到手部位形。通过提出一种经由神经后验的黎曼流形优化过程，考虑了位形空间的几何结构。仿真和物理基准测试证明了该方法的高成功率。
引用
@article{arxiv.2109.14275,
title = {Simulation-based Bayesian inference for multi-fingered robotic grasping},
author = {Norman Marlier and Olivier Brüls and Gilles Louppe},
journal= {arXiv preprint arXiv:2109.14275},
year = {2021}
}